Claude for Financial Services 研究筆記¶
2026-07-06 更新：repo 由
financial-services-plugins改名為financial-services，2026-05-05 新增 10 個 Named Agents、Managed Agents API 部署、fund-admin / operations 兩個新 vertical、Box connector 與 Microsoft 365 安裝工具。原 2026-02-23 筆記內容已據此改寫。
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub Repo | anthropics/financial-services（原 financial-services-plugins，已改名） |
| Anthropic 官方公告（2026-05） | Agents for financial services |
| Finextra 報導 | Anthropic rolls out another 10 financial services agents |
| Markets Media | Anthropic Introduces Agents for Financial Services |
| BlockTempo 中文報導（首發） | Anthropic 開源金融分析外掛 |
| Claude Help Center | Install financial services plugins for Cowork |
| LSEG 整合文章 | Supercharge Claude's Financial Skills With LSEG Data |
| Inc. 報導 | Anthropic's New Claude Plugins Take Aim at Finance, HR, and More |
| Bloomberg 報導 | Anthropic Links AI Agent With Tools for Investment Banking, HR |
專案概述¶
Anthropic 官方的 Claude for Financial Services 套件，2026-02 以「金融 Plugin 套件」首發，2026-05-05 大改版升級為完整的金融 agent 方案：在原有 vertical plugins（skills + commands + connectors）之上，新增 10 個 Named Agents——每個 agent 是自包含 plugin，端到端擁有一條工作流（如 Pitch Agent 從 comps 一路做到品牌化 pitch deck）。
最大的架構賣點是 「一份原始碼、兩種部署」：同一套 system prompt 和 skills，既可裝成 Claude Cowork plugin 跟著分析師互動使用，也可透過 Claude Managed Agents API（/v1/agents）部署成無頭自主 agent，跑整本 deal book 或夜間排程。整個框架仍是 純文字檔案（Markdown + JSON），no build step。
| 指標 | 2026-02 首發 | 2026-07-06 現況 |
|---|---|---|
| GitHub Stars | 6,949 | 33,114 |
| Forks | 822 | 4,842 |
| Named Agents | — | 10 |
| Vertical Plugins | 4 + core | 6 + core |
| Skills（vertical 源頭） | 41 | 55 |
| Commands | 38 | 39 |
| MCP 資料源 | 11 | 12（新增 Box） |
| 部署方式 | Cowork / Claude Code | + Managed Agents API、Microsoft 365 add-in |
License：Apache 2.0 · 語言：Python
架構：Agents 疊在 Verticals 之上¶
┌─────────────────────────────────────────────────────────────┐
│ Named Agents（自包含 plugin，每個擁有一條端到端工作流） │
│ Coverage & advisory : Pitch Agent · Meeting Prep Agent │
│ Research & modeling : Market Researcher · Earnings Reviewer │
│ · Model Builder │
│ Fund admin & ops : Valuation Reviewer · GL Reconciler │
│ · Month-End Closer · Statement Auditor│
│ Onboarding : KYC Screener │
│ ── 每個 agent 同時提供 managed-agent-cookbook（agent.yaml）──│
├─────────────────────────────────────────────────────────────┤
│ Partner-Built Plugins：LSEG（債券/FX/波動率） │
│ S&P Global（Capital IQ tearsheets） │
├─────────────────────────────────────────────────────────────┤
│ Vertical Plugins（skills + commands 的源頭） │
│ 投資銀行 │ 股票研究 │ 私募股權 │ 財富管理 │ fund-admin │ ops │
├─────────────────────────────────────────────────────────────┤
│ Core Plugin — financial-analysis（必裝） │
│ Comps | DCF | LBO | 3-Statement | Deck QC | Excel audit │
│ ＋ 12 個 MCP 資料聯結器（全部集中在 core、上層共用） │
└─────────────────────────────────────────────────────────────┘
Skills 只在 vertical 層撰寫一次，agent plugin 透過 scripts/sync-agent-skills.py 打包同步副本——單一事實來源、多處部署。
10 個 Named Agents（2026-05 新增）¶
| 職能 | Agent | 工作流 |
|---|---|---|
| 客戶覆蓋與顧問 | Pitch Agent | Comps、precedents、LBO → 品牌化 pitch deck 一條龍 |
| Meeting Prep Agent | 每次客戶會議前的 briefing pack | |
| 研究與建模 | Market Researcher | 產業/主題 → 產業概覽、競爭版圖、peer comps、想法清單 |
| Earnings Reviewer | 財報電話會 + filings → 模型更新 → 報告草稿 | |
| Model Builder | DCF、LBO、3-statement、comps——直接在 Excel 裡 | |
| 基金行政與財務營運 | Valuation Reviewer | 讀取 GP packages、跑估值模板、備妥 LP 報告 |
| GL Reconciler | 找總帳差異、追根因、送簽核 | |
| Month-End Closer | 應計、roll-forwards、差異說明 | |
| Statement Auditor | LP 對帳單發放前稽核 | |
| 營運與開戶 | KYC Screener | 解析開戶文件、跑規則引擎、標記缺漏 |
Managed Agents 部署：每個 agent 在 managed-agent-cookbooks/ 有對應模板（agent.yaml + depth-1 leaf-worker subagents + steering-event 範例），scripts/deploy-managed-agent.sh 一鍵解析檔案引用、上傳 skills、建 subagents、POST 到 /v1/agents。scripts/orchestrate.py 提供跨 agent handoff_request 事件路由的參考實作。注意：subagent delegation（callable_agents）目前是 research preview。
Plugin 功能詳解¶
Core：Financial Analysis（必裝）¶
建模工具基礎 + 所有 MCP 資料聯結器：
| 功能 | 說明 |
|---|---|
| Comps | 可比公司分析 |
| DCF | 現金流折現估值模型 |
| LBO | 槓桿收購模型 |
| 3-Statement | 三表財務模型（損益表、資產負債表、現金流量表） |
| PPT QC | 簡報品質檢查 |
| PPT Templates | 公司品牌簡報模板 |
Add-on 1：Investment Banking¶
| Skill/Command | 說明 |
|---|---|
| CIM 草擬 | 機密資訊備忘錄（Confidential Information Memorandum） |
| Teaser | 一頁式投資摘要 |
| Process Letters | 交易流程信函 |
| Buyer Lists | 買家清單篩選與排序 |
| Merger Models | 合併模型（accretion/dilution 分析） |
| Strip Profiles | 收益率條帶分析 |
| Deal Milestone Tracking | 交易里程碑追蹤 |
Add-on 2：Equity Research¶
| Skill/Command | 說明 |
|---|---|
| Earnings Updates | 財報發布後快速更新報告 |
| Initiating Coverage | 首次覆蓋研究報告 |
| Investment Theses | 投資論點維護 |
| Catalyst Tracking | 催化劑事件追蹤 |
| Morning Notes | 晨會摘要整理 |
| Idea Screening | 新投資想法篩選 |
Add-on 3：Private Equity¶
| Skill/Command | 說明 |
|---|---|
| Deal Sourcing | 交易來源自動化篩選 |
| Diligence Checklists | 盡職調查清單 |
| Unit Economics | 單位經濟分析 |
| Returns Analysis | 投資回報分析 |
| IC Memo | 投資委員會備忘錄 |
| Portfolio KPI Monitoring | 投資組合 KPI 監控 |
Add-on 4：Wealth Management¶
| Skill/Command | 說明 |
|---|---|
| Client Meeting Prep | 客戶會議準備 |
| Financial Planning | 財務規劃 |
| Portfolio Rebalancing | 投資組合再平衡 |
| Client Reports | 客戶報告生成 |
| Tax-Loss Harvesting | 稅損收割機會識別 |
Add-on 5：Fund Admin（2026-05 新增）¶
| Skill/Command | 說明 |
|---|---|
| GL Recon | 總帳與託管行對帳 |
| Break Tracing | 差異根因追查 |
| Accruals / Roll-forwards | 應計與滾動結轉 |
| Variance Commentary | 差異說明撰寫 |
| NAV Tie-out | 淨值勾稽 |
Add-on 6：Operations（2026-05 新增）¶
| Skill/Command | 說明 |
|---|---|
| KYC Document Parsing | 開戶文件解析 |
| Rules-Grid Evaluation | KYC 規則矩陣評估 |
Partner：LSEG¶
LSEG MCP Server 提供十個專業工具：
| 領域 | 能力 |
|---|---|
| Fixed Income | 債券參考資料、殖利率曲線、利率交換定價、債券期貨 |
| Equities | 即時報價、歷史時序、Beta 係數、總報酬 |
| FX | 即時匯率 |
| Volatility & Risk | SABR 模型隱含波動率曲面 |
| News | 依證券識別碼過濾的即時新聞 |
Partner：S&P Global¶
S&P Capital IQ 資料驅動，支援多種受眾類型：
| 產出 | 支援受眾 |
|---|---|
| Company Tearsheets | Equity Research、IB/M&A、Corp Dev、Sales |
| Earnings Previews | 財報預覽 |
| Funding Digests | 融資摘要 |
12 個 MCP 資料源¶
| 供應商 | MCP Endpoint | 主要資料類型 |
|---|---|---|
| Daloopa | mcp.daloopa.com/server/mcp |
自動化財務數據擷取 |
| Morningstar | mcp.morningstar.com/mcp |
基金評級、投資研究 |
| S&P Global | kfinance.kensho.com/integrations/mcp |
Capital IQ 公司分析 |
| FactSet | mcp.factset.com/mcp |
金融數據終端 |
| Moody's | api.moodys.com/genai-ready-data/m1/mcp |
信用評等、風險分析 |
| MT Newswires | vast-mcp.blueskyapi.com/mtnewswires |
即時金融新聞 |
| Aiera | mcp-pub.aiera.com |
財報電話會議紀錄、事件 |
| LSEG | api.analytics.lseg.com/lfa/mcp |
債券、匯率、股票、波動率 |
| PitchBook | premium.mcp.pitchbook.com/mcp |
私募/創投交易數據 |
| Chronograph | ai.chronograph.pe/mcp |
PE/VC 投資組合分析 |
| Egnyte | mcp-server.egnyte.com/mcp |
企業文件管理 |
| Box（2026-05 新增） | mcp.box.com |
企業內容雲 |
⚠️ 各 MCP 資料源可能需要獨立的訂閱或 API key。
端到端工作流範例¶
範例一：晨會報告（LSEG 資料）¶
分析師輸入: /morning-note AAPL
Claude 自動執行:
1. LSEG NEP → 擷取隔夜新聞與發展
2. LSEG QA → 取得收盤價與盤後變動
3. LSEG TSCC → 短期價格走勢技術分析
4. 整合為晨會報告格式
耗時: 從典型 1 小時 → 數分鐘
範例二：DCF 估值模型¶
分析師輸入: /dcf TSLA
Claude 自動執行:
1. LSEG → 政府公債殖利率曲線（無風險利率）
2. LSEG → 歷史股價 + Beta 係數
3. LSEG TSCC → 成長假設數據
4. SEC Filings → 財務報表數據
5. 建構完整 DCF 模型（Excel workbook + 敏感度分析表）
6. 每個數據來源可追溯審計
範例三：PE 投資委員會 Memo¶
分析師輸入: /ic-memo ProjectAlpha
Claude 自動執行:
1. 利率交換定價（當前 tenor 水位）
2. YieldBook → 債券條款基準比較
3. PitchBook → 同類交易 comps
4. Chronograph → 投資組合 KPI 基準
5. 產出 IC Memo（以即時市場數據為基礎，而非歷史估計）
安裝方式¶
Claude Code CLI¶
# 加入市集（repo 已改名，marketplace 名稱是 claude-for-financial-services）
claude plugin marketplace add anthropics/financial-services
# 安裝核心（必須先裝）
claude plugin install financial-analysis@claude-for-financial-services
# Named agents — 按需挑選
claude plugin install pitch-agent@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services
claude plugin install market-researcher@claude-for-financial-services
# Vertical skill bundles
claude plugin install investment-banking@claude-for-financial-services
claude plugin install equity-research@claude-for-financial-services
Claude Cowork¶
Settings → Plugins → Add plugin，貼上 repo URL 或直接把 plugins/ 下任一目錄壓成 zip 上傳。
Claude Managed Agents（無頭部署）¶
Microsoft 365 Add-in¶
claude-for-msft-365-install/ 是給 IT 管理員的 Claude Code plugin，把 Claude 裝進 Excel / PowerPoint / Word / Outlook，且可路由到自家雲端（Vertex AI、Bedrock、內部 LLM gateway）而非 Anthropic API——生成客製 manifest、Azure admin consent、透過 Microsoft Graph 寫入每使用者路由設定。
自訂化框架¶
Plugin 的 No-Code 架構讓金融機構可以輕鬆客製化：
| 自訂方式 | 做法 |
|---|---|
| 換資料源 | 編輯 .mcp.json，指向公司內部資料源 |
| 加公司知識 | 在 skill 檔案中加入公司術語、交易流程、格式規範 |
| 自帶模板 | 用 /ppt-template 教 Claude 公司品牌簡報版面 |
| 調整流程 | 修改 skill 指令，對齊團隊實際分析方式（而非教科書理論） |
| 建新 Plugin | 遵循標準結構，為未覆蓋的工作流建立 Plugin |
檔案結構¶
plugins/
agent-plugins/ ← Named agents，每個自包含一個 plugin
vertical-plugins/ ← Skills + commands 的源頭，按 FSI vertical 分包
financial-analysis/.mcp.json ← 12 個 MCP connectors 集中於此
partner-built/ ← LSEG、S&P Global
managed-agent-cookbooks/ ← 每個 agent 一個 headless 部署模板
claude-for-msft-365-install/ ← Microsoft 365 add-in 佈建工具
scripts/ ← deploy-managed-agent.sh · orchestrate.py
· sync-agent-skills.py · validate.py
單一 plugin 內部仍是 plugin.json + .mcp.json + commands/ + skills/ 的組合。關鍵：全部是 Markdown + JSON，不需要寫程式碼，no build step。
目前限制 / 注意事項¶
- MCP 資料源成本高 — 11 個資料源中 FactSet、Bloomberg、S&P Capital IQ 等都是企業級訂閱，個人開發者或小型機構難以負擔
- 資料延遲與即時性 — MCP endpoint 的資料更新頻率取決於各供應商，非所有資料都是 real-time
- 法規合規風險 — Disclaimer（2026-05 後大幅強化）明確定位：agents 只「起草分析師工作產出」，不做投資建議、不執行交易、不過帳、不核准開戶，所有產出都停在 human sign-off 前一步；但 AI 產出的分析在 MiFID II、SEC 規範下仍屬灰色地帶
- 模型幻覺風險 — 財務建模中的數字錯誤可能造成重大財務損失，所有 AI 產出必須由專業人員審核
- 客製化門檻 — 雖號稱 No-Code，但企業級客製化（換資料源、調整工作流）仍需要理解 MCP 協定和 Plugin 架構
- Partner Plugin 有限 — 目前仍只有 LSEG 和 S&P Global 兩個合作夥伴，Bloomberg Terminal（金融業最大資料源）持續缺席
- Managed Agents 尚未完全成熟 — subagent delegation（
callable_agents）還在 research preview，跨 agent handoff 需要自建 orchestration 層（官方只給orchestrate.py參考實作）
研究價值與啟示¶
關鍵洞察¶
-
Skill-as-Markdown 是垂直 AI 的最輕量路徑 — 整個金融分析專家系統的「知識」全部編碼在 Markdown 文件中（
skills/目錄），而非訓練模型或寫程式碼。這意味著領域專家（分析師、銀行家）可以直接編輯 skill 檔案來注入自己的專業知識，完全跳過工程瓶頸。這個模式可以複製到醫療、法律、會計等任何需要領域專業知識的垂直行業。 -
MCP 是金融資料整合的 Game Changer — 傳統金融科技需要為每個資料源寫專門的 API 整合，而這套系統用 11 行 MCP endpoint URL 就連通了從 Morningstar 到 PitchBook 的整個金融資料生態。MCP 協定讓「接入新資料源」變成改一行 JSON 的事。這與 LobeHub 的 39K+ MCP Server 生態相呼應 — MCP 正在成為 AI 與外部世界的通用介面。
-
Anthropic 從開發者工具到產業解決方案的戰略轉型 — Claude Code → Claude Cowork → Financial Services Plugins，Anthropic 正在複製 Salesforce 的路徑：先做平台，再做垂直行業解決方案。金融服務是第一個垂直切入點，選擇金融而非醫療或法律，很可能因為金融的工作流高度標準化（DCF 模型、comps 分析全球通用）且付費意願最強。
-
端到端工作流 vs 點工具是 AI 產品的分水嶺 — README 開宗明義："Move beyond point tools to complete workflows."這與 Anthropic Harness Design 文章的核心論點一致 — 真正有價值的不是單一 AI 功能，而是串聯整個工作流的 harness。一個
/ic-memo指令背後串接了定價、基準比較、comps、KPI 分析五個步驟，這才是 AI 的殺手級應用。 -
Apache 2.0 開源是企業信任的入口 — 在金融業（最保守的行業之一）推 AI 產品，開源是建立信任的最有效方式。企業可以審計每一行 skill 和 connector 的邏輯，確保沒有資料外洩風險。但 Apache 2.0 也意味著競爭對手可以 fork 並建立競品 — Anthropic 押注的是 Claude 模型本身的能力護城河，而非 Plugin 程式碼。
-
從「技能包」到「有名字的數位員工」是產品化的關鍵一步（2026-05 改版）— 首發時賣的是「41 個 skills」，改版後賣的是「GL Reconciler」「KYC Screener」這種以工作流命名的 agent。同樣的底層 skills，包裝成有職稱的 agent 之後，買方（金融機構主管）可以直接對應到「這取代/輔助哪個崗位的哪件事」。而且擴張方向值得注意：從 front office（投行、研究）走向 back office（基金行政、月結、KYC）——規則明確、重複性高、天然有 sign-off 環節的後台作業，其實是 agent 更容易落地的地方。
-
「一份原始碼、兩種部署」是 agent 產品的可複用模式 — 同一套 system prompt + skills，既是 Cowork 互動 plugin，也是 Managed Agents API 的無頭模板（
agent.yaml包裝），靠sync-agent-skills.py維持單一事實來源。這解決了 agent 開發的經典分裂：互動版和自動化版通常是兩套程式碼、逐漸漂移。任何同時要做 copilot 模式和 pipeline 模式的 agent 產品都該抄這個結構。
與其他專案的關聯¶
- Anthropic Harness Design（
harness-design-long-running-apps.md）：Financial Services Plugins 是 Harness Engineering 在產業垂直場景的具體應用。Skills 編碼了「分析師應該怎麼做」的領域知識，Commands 定義了使用者互動介面，MCP connectors 提供資料基礎 — 三者組合就是一個金融分析師 Harness。 - LobeHub（
lobehub.md）：LobeHub 有 10K+ Skills 市集，但走的是通用路線；Anthropic 的 Financial Services Plugins 是少數由 AI 公司官方出品的垂直行業 Plugin，品質和整合深度遠超社群貢獻。兩者在 MCP 協定上完全互通。 - LangGraph State API（
langgraph-state-api.md）：Financial Services Plugins 的端到端工作流（research → analysis → modeling → output）如果要用 LangGraph 實現，每個步驟的中間結果需要透過 State channels 傳遞，reducer 的設計（累積 vs 覆寫）直接影響報告品質。 - TradingAgents（
tradingagents.md）：同樣是金融 AI 場景，TradingAgents 用多 Agent 辯論做交易決策，而 Financial Services Plugins 用單 Agent + 多 Skill 做分析報告。前者偏自主決策，後者偏人機協作。 - ML Intern：兩者是「官方出品垂直 agent」的對照組——Hugging Face 押 ML 工程、Anthropic 押金融。共同策略都是生態系深度整合（HF 押 Hub/Jobs，Anthropic 押 12 家金融資料商的 MCP），差別在 ml-intern 是全自主長任務 harness，這裡是 human sign-off 前置的工作產出起草。